登录社区云，与社区用户共同成长
邀请您加入社区
前面六篇分别讲了 OCR、超分、文搜图、人脸检测、截图分类和处理链。这篇是系列最后一篇，把所有能力整合起来，做一个完整可用的智能截图整理工具。这个工具的最终形态很简单：用户导入截图，App 自动识别内容、分类、打标签、建索引，用户可以按分类浏览、用文字搜索、查看详情。所有处理都在本地完成，不上传图片。这篇不讲单个 API 怎么调，而是讲怎么把前面六篇的能力组装成一个完整的产品。从项目结构到页面设计
前面五篇分别讲了 OCR、超分、文搜图、人脸检测、截图分类。每篇单独都能跑，但真要用到产品里，得把它们串成一条完整的处理链。用户导入一张截图，从图片到最终可搜索、可分类的结构化数据，中间要经过好几个步骤，每一步都可能失败。这篇就讲怎么设计这条处理链：怎么安排步骤顺序，怎么做状态管理，失败了怎么重试，怎么让整个流程既高效又稳定。
前面几篇把 OCR、超分、文搜图、人脸检测都单独讲了一遍。这篇开始把它们串起来，做一个实际的功能：截图自动分类。我们的智能截图整理工具的核心需求就是：用户截了一堆图，App 自动帮你分类——哪些是聊天记录、哪些是文档、哪些是截图、哪些是人脸照片。分好类之后用户找起来方便，也不用自己手动整理。这个功能的难点不在于调单个 API，而在于怎么把多个视觉能力组合起来，做一套分类规则，并且分类结果要稳定、准
相册应用里有个常见功能：检测图片里有没有人脸，有的话自动归到"人物相册"里，或者给人脸打标签。我们在做智能截图整理工具的时候，也需要判断截图里有没有人脸——有截图是聊天记录，有的是人脸照片，分类逻辑不一样。HarmonyOS 7 的人脸检测能力在 VisionKit 里，端侧运行，速度很快。这篇就讲讲怎么把人脸检测集成到我们的图片处理流程里，从检测位置到多目标处理，再到隐私边界怎么把控。
做了 OCR 和超分之后，产品又提了个需求：用户能不能用一句话找图片？比如输入"去年在海边拍的那张"，相册就能把海边的照片筛出来。这个功能在 iOS 和安卓上已经有了，鸿蒙端侧能不能做？研究了一下，HarmonyOS 7 的端侧多模态能力支持文搜图——把文字描述和图片做向量匹配，返回相似度最高的几张。这个能力完全在本地跑，不用上传图片到云端，隐私安全有保障。这篇就讲讲我们怎么把它集成到相册应用里。
上一篇做了 OCR 文字识别，实际用下来发现一个问题：用户拍的图片经常是模糊的、低分辨率的，OCR 识别率就上不去。尤其是票据、截图这类内容，原始分辨率不高的时候，文字边缘都是锯齿，识别出来全是错的。这时候就需要先把图片做超分增强，把低清图放大变清晰，再去做识别。HarmonyOS 7 有端侧的图像超分能力，这篇就讲讲怎么把它集成到我们的图片处理流程里。
做笔记应用的时候，经常有用户提需求：能不能拍一张票据或者截图，直接把上面的文字识别出来，不用手动敲？这个需求听起来简单，真做起来才发现，鸿蒙的 OCR 能力虽然开箱即用，但要做到识别准、不卡顿、异常兜底到位，还是有不少细节要抠的。这篇是端侧 AI 视觉系列的第一篇，就从最基础的文字识别开始讲。我们做的是一个笔记类应用，需要从用户拍的图片里提取文字，自动填充到笔记里。从最开始调 API 的 Demo
